Ajouter un nouveau document texte à un magasin de vecteurs

post

Create a new text document in a vector store.

Path parameters

vector-store-idstringRequired

The ID of the vector store.

Header parameters

x-api-keystringRequired

The API key for authentication.

Body

namestringOptional

The name of the document.

textstringOptional

The text content of the document.

Responses

201

Document created successfully.

application/json

post

/vector-stores/{vector-store-id}/documents/create

POST /api/v1/vector-stores/{vector-store-id}/documents/create HTTP/1.1
Host: api.rememberizer.ai
x-api-key: text
Content-Type: application/json
Accept: */*
Content-Length: 29

{
  "name": "text",
  "text": "text"
}

201

Document created successfully.

{
  "id": 1,
  "name": "text",
  "type": "text",
  "vector_store": "text",
  "size": 1,
  "status": "text",
  "processing_status": "text",
  "indexed_on": "2026-01-29T11:18:16.318Z",
  "status_error_message": "text",
  "created": "2026-01-29T11:18:16.318Z",
  "modified": "2026-01-29T11:18:16.318Z"
}

Exemples de Requêtes

curl -X POST \
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/create \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Aperçu du Produit",
    "text": "Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique."
  }'

Remplacez YOUR_API_KEY par votre véritable clé API de Vector Store et vs_abc123 par votre ID de Vector Store.

const addTextDocument = async (vectorStoreId, name, text) => {
  const response = await fetch(`https://api.rememberizer.ai/api/v1/vector-stores/${vectorStoreId}/documents/create`, {
    method: 'POST',
    headers: {
      'x-api-key': 'YOUR_API_KEY',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      name: name,
      text: text
    })
  });
  
  const data = await response.json();
  console.log(data);
};

addTextDocument(
  'vs_abc123',
  'Aperçu du Produit',
  'Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique.'
);

Remplacez YOUR_API_KEY par votre véritable clé API de Vector Store et vs_abc123 par votre ID de Vector Store.

import requests
import json

def add_text_document(vector_store_id, name, text):
    headers = {
        "x-api-key": "YOUR_API_KEY",
        "Content-Type": "application/json"
    }
    
    payload = {
        "name": name,
        "text": text
    }
    
    response = requests.post(
        f"https://api.rememberizer.ai/api/v1/vector-stores/{vector_store_id}/documents/create",
        headers=headers,
        data=json.dumps(payload)
    )
    
    data = response.json()
    print(data)

add_text_document(
    'vs_abc123',
    'Aperçu du Produit',
    'Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique.'
)

Remplacez YOUR_API_KEY par votre véritable clé API de Vector Store et vs_abc123 par votre ID de Vector Store.

Paramètres de chemin

Paramètre

Type

Description

vector-store-id

string

Requis. L'ID du magasin de vecteurs auquel ajouter le document.

Corps de la demande

{
  "name": "Aperçu du produit",
  "text": "Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique."
}

Paramètre

Type

Description

name

string

Requis. Le nom du document.

text

string

Requis. Le contenu textuel du document.

Format de Réponse

{
  "id": 1234,
  "name": "Aperçu du Produit",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "traitement",
  "processing_status": "en attente",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}

Authentification

Ce point de terminaison nécessite une authentification à l'aide d'une clé API dans l'en-tête x-api-key.

Réponses d'erreur

Code d'état

Description

400

Mauvaise demande - Champs requis manquants ou format invalide

401

Non autorisé - Clé API invalide ou manquante

404

Non trouvé - Magasin de vecteurs non trouvé

500

Erreur interne du serveur

Ce point de terminaison vous permet d'ajouter du contenu textuel directement à votre magasin de vecteurs. Il est particulièrement utile pour stocker des informations qui pourraient ne pas exister au format fichier, telles que des descriptions de produits, des articles de base de connaissances ou du contenu personnalisé. Le texte sera automatiquement traité en embeddings vectoriels, le rendant consultable par similarité sémantique.

PreviousAPIs de magasin de vecteurs NextObtenir une liste de documents dans un magasin de vecteurs

Last updated 1 month ago

hashtagExemples de Requêtes

hashtagParamètres de chemin

hashtagCorps de la demande

hashtagFormat de Réponse

hashtagAuthentification

hashtagRéponses d'erreur

Exemples de Requêtes

Paramètres de chemin

Corps de la demande

Format de Réponse

Authentification

Réponses d'erreur